В нашем примере UOB использует данные, чтобы сократить один из своих процессов с 18 часов до нескольких минут. Правда, удивительно? Благодаря этому банк может проводить анализ в реальном времени. Но тут же возникает вопрос, который мне задают регулярно: «Не позволят ли чудо-возможности данных и аналитики нам, людям, вконец облениться?» Я бы ответил так: если раньше процесс занимал 18 часов, а теперь – всего лишь несколько минут, то у вас освобождается масса времени для тщательного анализа! И это только одна из причин, делающих дата-грамотность жизненно необходимой для организации.
Теперь давайте рассмотрим пример, как данные могут порадовать спортивных фанатов: теннисный турнир US Open. Он проводится ежегодно, в нем участвуют сильнейшие теннисисты, и организаторы прилагают все усилия, чтобы болельщикам было как можно интереснее. Я сам большой фанат спорта, и знаю, что яркий болельщицкий опыт оставляет многолетние воспоминания. Вы бывали на большом спортивном событии? Наверное, да. Наверное, вы, как и я, очень цените атмосферу, приподнятое настроение и чувство единения со своей любимой командой. А что, если сделать такой опыт еще более ярким и запоминающимся с помощью данных и дата-аналитики? Именно этим решили заняться организаторы US Open, объединившись с IBM с целью повысить привлекательность турнира для болельщиков
[29].
С помощью суперкомпьютера IBM Watson фанаты получают беспрецедентные знания. Теперь искусственный интеллект помогает им узнать больше деталей о матчах и о местах, которые можно посетить в ходе турнира, а также отбирает лучшие моменты игр. Аналитика не только помогает болельщикам, но и способствует успешным выступлениям спортсменов. Кто-то может сказать, что это лишает игру чистоты, но задумайтесь: например, анализ данных может показать теннисистам, сколько усилий они приложили во время матчей. Разве это не замечательно? Теннисисты пользуются данными, чтобы лучше понимать, как они играют. И теннис – это не единственный вид спорта, где данные и дата-аналитика работают на благо спортсменов.
Итак, тренеры и спортсмены благодаря данным отчетливее понимают, как правильнее играть и тренироваться, а болельщики получают дополнительную информацию, с которой становится интереснее следить за турниром. Но у нас остался еще один пример: моя любимая компания по производству газировки – Coca-Cola (любители Pepsi, пожалуйста, простите).
Как чтение данных может помочь Coca-Cola? Хочу заметить, что в примере, который мы будем разбирать, нет ничего уникального: другие организации также могут воспользоваться сходными техниками. Но для начала давайте разберем ряд конкретных случаев успешного обращения с данными в Coca-Cola
[30]. Случай 1: запуск Cherry Sprite стал прямым результатом сбора данных. Потребители заказывали газированный напиток и дополняли его вкусоароматическими добавками. Собрав нужные данные, компания решила запустить напиток с новым вкусом. Случай 2: для поддержания диалога с потребителями используются ИИ-боты. В данном случае бот с искусственным интеллектом был встроен в торговый автомат Coca-Cola и помогал покупателю смешать напиток в соответствии с его личными предпочтениями. Прекрасный способ понять потребителя и узнать потенциально привлекательные рецепты! Случай 3: Coca-Cola посредством социальных сетей узнает, каким образом ее продукция представлена потребителям через различные каналы. Используя неструктурированные данные соцсетей, руководство Coca-Cola понимает, как ее многочисленные потребители относятся к существующим продуктам компании, что и почему они покупают, как и с кем делятся соответствующей информацией. При помощи этих способов использования данных (и не только этих, но и множества других) и без того успешная компания сохраняет лидирующее положение на рынке
[31].
Итак, мы рассмотрели три варианта использования данных: управление рисками в банке UOB, работа организаторов US Open по совершенствованию болельщицкого опыта, взаимодействие с потребителями компании Coca-Cola. Эти примеры из реального мира позволяют понять, как организации выигрывают от непосредственного чтения данных. Есть и другие примеры чтения данных, нередко встречающиеся в различных организациях:
● отслеживание тенденций и закономерностей маркетинговых кампаний с целью понять, как работают маркетинговые стратегии компании в различных условиях;
● понимание демографических условий и тенденций, что позволяет изучать потребительскую базу компании;
● понимание различных рыночных трендов, благодаря чему организация разрабатывает новые продукты, запускает их в нужное время и анализирует, насколько успешным был запуск.
В целом можно сказать, что чтение данных помогает успеху инициатив организации в области дата-грамотности. Если коллектив уверенно чувствует себя при обращении с данными, компания способна гораздо быстрее достичь успеха в этой сфере.
Свободное владение данными
Начиная изучение свободного владения данными, давайте мысленно перенесемся в раннее детство – когда мы только учились говорить и читать: принципы и идеи раннего развития речи помогут нам осознать, что значит говорить на определенном языке. И это возвращает нас к началу главы, к примеру с путешествием мечты, которое вы планировали. Помните, что в итоге получилось? Увы, все пошло не так, и ваша поездка оказалась основательно подпорчена незнанием местного языка. С организациями такое происходит постоянно. У руководства есть прекрасные идеи по поводу данных и аналитики, они мечтают, каких высот достигнет организация благодаря работе с данными… но все это разбивается о стену непонимания: сотрудники не знают, что делать с данными. К счастью, есть замечательный способ убрать эту стену, и он очень прост. Это – свободное владение данными.
Свободное владение данными, согласно определению, которое мы с вами будем использовать, – это способность говорить на языке данных и понимать его. Иными словами, это общение с помощью данных и о данных. Иногда этим термином подменяют термин «дата-грамотность» в целом, но я против. В этой книге мы определяем дата-грамотность как способность читать данные, работать с ними, анализировать их и общаться на языке данных. Вы, наверное, заметили, что свободное владение данными соответствует последнему элементу определения дата-грамотности – способности общаться на языке данных. Но для того, чтобы лучше разобраться в свободном владении данными, нам нужно связать эту способность со всеми четырьмя составляющими дата-грамотности. Через эту призму мы, во-первых, увидим, как свободное владение данными может стать для организации эффективным способом овладения дата-грамотностью, а во-вторых, узнаем, какое место оно занимает в общей стратегии.
